A ilusão dos 95%: por que seu intervalo de confiança não é o que você pensa
Intervalo de confiança frequentista e intervalo credível bayesiano respondem a perguntas diferentes — confundi-los distorce decisões de produto.
Categoria: Pesquisa e Ciência
Benchmarks, papers acadêmicos, descobertas científicas e inovação
310 publicações encontradas
HarnessDev, da ByteDance Seed: LLMs conseguem construir o próprio harness de agente? Só 34 de 64 mudanças generalizam
Estudo avalia o harness executável escrito pelo modelo, não a resposta; modelos superam referências em escrita e ML, mas ficam atrás em…
NVIDIA acelera predição de estrutura de proteínas com novo runtime BioNeMo
BioNeMo Inference Runtime triplica o throughput por GPU e reduz o consumo de energia na dobra de proteínas em larga escala com…
J-Space: como a Anthropic usa a matemática para auditar o que um LLM consegue verbalizar
Entenda o J-Space, o espaço de representação que a Anthropic usa para separar o que um LLM consegue verbalizar do que não…
ToolGrad: o framework do Google que inverte a geração de dados para uso de ferramentas
Pesquisadores do Google apresentam o ToolGrad, que gera dados de uso de ferramentas com 99,8% de taxa de sucesso e destila modelos…
Por que agentes de pesquisa em ML não sofrem overfit? Estudo da Amazon aponta a compressão
Pesquisa da Amazon Science explica por que agentes de pesquisa em ML não sofrem overfit em benchmarks, apontando a compressão como chave.
ToolGrad: Google propõe gerar dados de uso de ferramentas de trás para frente
Framework inverte o paradigma e gera a resposta de uso de ferramenta antes da pergunta, alcançando quase 100% de taxa de acerto…
OpenAI resolve problema do Prêmio Millennium em 88 horas — e gera controvérsia na academia
Modelo da OpenAI solucionou o problema de Navier-Stokes com 10 mil agentes, mas acusações de furar a fila abalaram a comunidade matemática.
A simetria que quebra a média de pesos de redes neurais
Artigo explica por que a média ingênua de pesos falha: a simetria de permutação faz cada solução ter m! cópias. O que…
Alunos que usam IA para estudar têm notas piores na escola, aponta relatório da OCDE
Estudo PISA com 760 mil estudantes em 91 países mostra que o uso de IA nem sempre ajuda; treinar a avaliação crítica…
Pathway cria arquitetura pós-transformer que raciocina em espaço latente e bate recorde no ARC-AGI
A arquitetura BDH, inspirada no cérebro, alcançou 29,2% de acerto no ARC-AGI-1 a US$ 0,0007 por tarefa com um modelo de 150…
OpenAI diz ter resolvido um problema matemático de US$ 1 milhão — e a disputa pelo crédito já começou
Empresa afirma ter solucionado a equação de Navier-Stokes, um dos sete Problemas do Milênio, mas matemáticos da NYU e da Anthropic contestam…
Google DeepMind lança Atlas com mapa de todas as mutações do genoma humano
Ferramenta do Google DeepMind cataloga nove bilhões de variantes genéticas e prevê o efeito molecular de cada mutação, acelerando a busca por…
AXIS: coleta de demonstrações robóticas vai para o navegador com 207 tarefas e 50 mil trajetórias
Sistema da Axis Robotics leva a coleta de demonstrações robóticas ao navegador e eleva o desempenho do modelo π0.5 em 4,9 pontos.
SharedSAE: um único dicionário de features para interpretar múltiplos modelos de linguagem
Pesquisadores mostram que um autoencoder esparso compartilhado substitui SAEs dedicados por modelo, retendo 96,6% da variância explicada.
Paradoxo da capacidade: modelos de IA melhores podem tornar sistemas financeiros mais arriscados
Pesquisa com traders de IA mostra que melhorar modelos individuais não garante melhores resultados no nível do sistema — e pode até…
Meta FAIR apresenta RPMs: modelos que classificam experimentos de ML antes de gastar horas de GPU
Modelos de preferência da Meta FAIR classificam experimentos de ML antes de gastar horas de GPU, elevando o AIRS-Bench de 0,684 para…
RA-OPD filtra conflitos na destilação e eleva notas em matemática e código
Filtro descarta respostas em que a orientação do professor conflita com o resultado verificado e eleva notas em matemática e código.
DA3PO melhora treinamento de IA em problemas de matemática mais difíceis
Ajuste no GRPO evita amplificar respostas erradas em problemas difíceis e melhora a acurácia média em até 6,25% em modelos Qwen3.
Chisel usa IA para recuperar código C de binários com 79,8% de acerto
Framework assistido por IA recupera código C de binários, com 79,8% de acerto no conjunto de teste e 96,1% dos candidatos recompilando.
Twin Worlds: método detecta respostas de IA que vão além das evidências
Método troca nomes de entidades para testar se a resposta continua presa à evidência e faz o modelo se abster quando ela…
Monte Carlo Tree Search é o mesmo que controle de Monte Carlo? Novo preprint diz que sim
Preprint expositivo argumenta que a busca em árvore de Monte Carlo é, no nível de amostragem, o controle de Monte Carlo every-visit.
Física estatística mapeia ponto crítico no aprendizado em contexto de modelos de IA
Pesquisadores usam física estatística para mapear um ponto crítico no aprendizado em contexto, revelando onde a instabilidade dos modelos surge.
Modelos de vídeo para robôs parecem corretos, mas erram a cena — novo benchmark revela o problema
Benchmark RoboPhys-3D revela que modelos de vídeo para robôs geram imagens plausíveis, mas erram geometria e posição dos objetos.